Kyutai випустила REKI, 2,4-мільярдну модель «зір-мова-дія» для роботів

Kyutai, паризька дослідницька лабораторія зі штучного інтелекту, випустила REKI, модель «зір-мова-дія» (VLA) із 2,4 мільярда параметрів, створену для маніпуляцій роботів. Модель, анонсовану 17 жовтня 2026 року, розробили разом з Inria, національним інститутом цифрових наук Франції, та інженерною школою École des Ponts.

Команда наголошує на двох особливостях. REKI попередньо навчали виключно на загальнодоступних даних, а також вона зберігає недорогу пам'ять про те, що відбулося в нещодавньому минулому, замість того щоб міркувати лише за одним знімком.

Навіщо роботам пам'ять

Моделі VLA прагнуть перетворювати відеоінформацію з камер і інструкції природною мовою безпосередньо на дії робота. Багато таких систем ухвалюють рішення про кожен рух лише на основі поточного кадру, через що вони можуть помилятися у багатоетапних завданнях або коли об'єкт виходить з поля зору камери.

Модель, яка пам'ятає свою недавню історію, теоретично може послідовніше виконувати послідовні завдання, наприклад відкрити шухляду, а потім покласти в неї предмет. Економне використання пам'яті важливе, адже роботи зазвичай працюють на обмежених обчислювальних ресурсах на борту. Повні деталі оцінювання REKI, зокрема те, на яких завданнях і бенчмарках її тестували, не були доступні в матеріалах, які розглядалися для цієї статті.

Підхід з відкритими даними

Значна частина прогресу в навчанні роботів досягнута завдяки моделям, навченим на закритих наборах даних, якими компанії не діляться. Опора виключно на публічні дані полегшує іншим дослідникам відтворення результатів і розвиток цієї роботи, і це може зробити REKI корисним орієнтиром для академічних лабораторій.

Kyutai найбільш відома відкритими релізами, зокрема Moshi, своєю моделлю голосу в реальному часі. З REKI лабораторія переносить цей відкритий дослідницький підхід у робототехніку, а проєкт ілюструє зростаючу співпрацю між приватними лабораторіями ШІ та державними науковими установами у Франції.